Muchas empresas ya han dado el primer paso con Copilot: resumir reuniones, redactar correos, buscar documentos. El siguiente paso, los agentes que ejecutan tareas dentro de los procesos, es donde hay más potencial y también más riesgo. Gartner prevé que más del 40% de los proyectos de IA agéntica se cancelarán antes de 2028 por costes crecientes, valor de negocio poco claro o controles de riesgo insuficientes.
Un proyecto de IA agéntica es, ante todo, un proyecto de mejora de procesos. La tecnología es la parte fácil. Lo que separa un piloto que se queda en un cajón de uno que llega a producción son tres decisiones de negocio: qué proceso se elige, dónde intervienen las personas y cómo se mide el retorno.
Por qué tantos proyectos de IA agéntica no llegan a producción
El informe del MIT sobre la «GenAI Divide» puso cifras a una sensación extendida: la gran mayoría de pilotos de IA generativa no generan un impacto medible en la cuenta de resultados. Los motivos que vemos en los proyectos se repiten:
- Se empieza por la tecnología («queremos un agente») y no por el problema («perdemos tres días en cada cierre»).
- Se automatiza un proceso que nadie ha revisado, con excepciones no documentadas y responsabilidades difusas.
- No hay línea base, así que a los seis meses nadie puede demostrar si ha mejorado algo.
- Los equipos no confían en él, porque no saben qué hace el agente ni cuándo deben intervenir.
Fuente: https://virtualizationreview.com/
Cómo elegir el proceso adecuado
Un buen primer caso de uso de IA agéntica no es el más espectacular, sino el que combina impacto y control. Proponemos evaluar cada candidato con cinco criterios:
- Volumen y repetición. Suficientes casos al mes para que el ahorro sea relevante.
- Reglas conocidas. El proceso se puede explicar; las excepciones son pocas e identificables.
- Datos accesibles y fiables. El agente necesita la misma información que una persona, bien estructurada.
- Coste de error acotado. Mejor empezar donde un error se puede detectar y corregir antes de que llegue al cliente.
- Un responsable de negocio. Alguien que quiera el cambio, que defina el éxito y que le dedique tiempo.
Ejemplos que suelen cumplirlos: la gestión de consultas internas a RRHH o IT, la conciliación y el seguimiento de facturas pendientes, la preparación de ofertas a partir de plantillas e históricos, o la clasificación y derivación de peticiones entrantes.
Dónde poner los puntos de control humano
El control humano (human-in-the-loop) no es una concesión a la desconfianza; es lo que hace que el sistema sea útil y defendible. La pregunta no es si debe haber personas, sino dónde aportan más valor:
- Antes de acciones irreversibles o externas: enviar una oferta, aprobar un pago, comunicarse con un cliente.
- Cuando la confianza es baja: el agente debe saber decir «no lo tengo claro» y pasar el caso a una persona.
- En las excepciones: casos fuera de las reglas, clientes estratégicos o importes por encima de un umbral.
- En la revisión periódica: muestras aleatorias para detectar desviaciones antes de que se conviertan en un problema.
Estos puntos de control deben diseñarse con las personas que hacen el trabajo hoy. Son las que conocen las excepciones y las que tendrán que confiar en el sistema.
Cómo medir el ROI de un agente de IA
Sin medición, no hay proyecto; hay una demo. Recomendamos fijar desde el principio:
- Una línea base: cuánto tiempo, cuántos errores y cuánto coste tiene hoy el proceso.
- Indicadores de negocio, no técnicos: tiempo de resolución, casos gestionados por persona, errores, satisfacción del usuario interno o del cliente.
- El coste total: licencias, consumo, desarrollo, mantenimiento y el tiempo de supervisión humana.
- Un criterio de salida: qué debe ocurrir en 90 días para escalar el proyecto y qué haría que lo paráramos.
Y un detalle que a menudo se olvida: el tiempo liberado solo es ROI si se redirige a trabajo de más valor. Eso es una decisión de dirección, no de la IA.
Del piloto a producción
Un piloto bien planteado dura semanas, no meses, y tiene un alcance acotado: un proceso, un equipo, unos indicadores. Si funciona, el paso a producción exige lo mismo que cualquier sistema crítico: gobierno, seguridad, monitorización, formación de los usuarios y un responsable claro. Plataformas como Copilot Studio o Power Automate facilitan la construcción, pero no sustituyen el diseño.
Los agentes de IA no sustituyen el conocimiento del negocio; lo necesitan más que nunca. Por eso nuestros proyectos empiezan por entender el proceso y sus números, y no por la herramienta. En Trentia combinamos consultoría de procesos, desarrollo sobre el ecosistema Microsoft y formación de los equipos que tendrán que convivir con los agentes.
Si quieres profundizar en cómo los agentes ya están cambiando la forma de trabajar, te puede interesar nuestro artículo sobre cómo los agentes Copilot reducen la deuda digital.
